import math
import geopandas as gpd
import pandas as pd
from shapely.geometry import MultiPolygon

import folium
from folium import Choropleth, Marker
from folium.plugins import HeatMap, MarkerCluster

from learntools.core import binder
binder.bind(globals())
from learntools.geospatial.ex5 import *

embed_map() 함수를 사용하여 지도를 시각화할 수 있습니다.

def embed_map(m, file_name):
    from IPython.display import IFrame
    m.save(file_name)
    return IFrame(file_name, width='100%', height='500px')

1) 충돌 데이터를 시각화합니다.

아래 코드 셀을 실행하여 2013-2018년 주요 자동차 충돌을 추적하는 GeoDataFrame "충돌"을 로드하십시오.

collisions = gpd.read_file("data/NYPD_Motor_Vehicle_Collisions/NYPD_Motor_Vehicle_Collisions/NYPD_Motor_Vehicle_Collisions.shp")
collisions.head()
DATE TIME BOROUGH ZIP CODE LATITUDE LONGITUDE LOCATION ON STREET CROSS STRE OFF STREET ... CONTRIBU_2 CONTRIBU_3 CONTRIBU_4 UNIQUE KEY VEHICLE TY VEHICLE _1 VEHICLE _2 VEHICLE _3 VEHICLE _4 geometry
0 07/30/2019 0:00 BRONX 10464 40.841100 -73.784960 (40.8411, -73.78496) None None 121 PILOT STREET ... Unspecified None None 4180045 Sedan Station Wagon/Sport Utility Vehicle Station Wagon/Sport Utility Vehicle None None POINT (1043750.211 245785.815)
1 07/30/2019 0:10 QUEENS 11423 40.710827 -73.770660 (40.710827, -73.77066) JAMAICA AVENUE 188 STREET None ... None None None 4180007 Sedan Sedan None None None POINT (1047831.185 198333.171)
2 07/30/2019 0:25 None None 40.880318 -73.841286 (40.880318, -73.841286) BOSTON ROAD None None ... None None None 4179575 Sedan Station Wagon/Sport Utility Vehicle None None None POINT (1028139.293 260041.178)
3 07/30/2019 0:35 MANHATTAN 10036 40.756744 -73.984590 (40.756744, -73.98459) None None 155 WEST 44 STREET ... None None None 4179544 Box Truck Station Wagon/Sport Utility Vehicle None None None POINT (988519.261 214979.320)
4 07/30/2019 10:00 BROOKLYN 11223 40.600090 -73.965910 (40.60009, -73.96591) AVENUE T OCEAN PARKWAY None ... None None None 4180660 Station Wagon/Sport Utility Vehicle Bike None None None POINT (993716.669 157907.212)

5 rows × 30 columns

"LATITUDE" 및 "LONGITUDE" 열을 사용하여 충돌 데이터를 시각화하는 대화형 맵을 만듭니다. 어떤 종류의 지도가 가장 효과적이라고 생각하세요?

m_1 = folium.Map(location=[40.7, -74], zoom_start=11) 

# Your code here: Visualize the collision data
HeatMap(data=collisions[['LATITUDE', 'LONGITUDE']], radius=9).add_to(m_1)

# Get credit for your work after you have created a map
q_1.check()

# Show the map
m_1

Thank you for creating a map!

Make this Notebook Trusted to load map: File -> Trust Notebook

2) 병원의 적용 범위를 이해합니다.

다음 코드 셀을 실행하여 병원 데이터를 로드합니다.

hospitals = gpd.read_file("data/nyu_2451_34494/nyu_2451_34494/nyu_2451_34494.shp")
hospitals.head()
id name address zip factype facname capacity capname bcode xcoord ycoord latitude longitude geometry
0 317000001H1178 BRONX-LEBANON HOSPITAL CENTER - CONCOURSE DIVI... 1650 Grand Concourse 10457 3102 Hospital 415 Beds 36005 1008872.0 246596.0 40.843490 -73.911010 POINT (1008872.000 246596.000)
1 317000001H1164 BRONX-LEBANON HOSPITAL CENTER - FULTON DIVISION 1276 Fulton Ave 10456 3102 Hospital 164 Beds 36005 1011044.0 242204.0 40.831429 -73.903178 POINT (1011044.000 242204.000)
2 317000011H1175 CALVARY HOSPITAL INC 1740-70 Eastchester Rd 10461 3102 Hospital 225 Beds 36005 1027505.0 248287.0 40.848060 -73.843656 POINT (1027505.000 248287.000)
3 317000002H1165 JACOBI MEDICAL CENTER 1400 Pelham Pkwy 10461 3102 Hospital 457 Beds 36005 1027042.0 251065.0 40.855687 -73.845311 POINT (1027042.000 251065.000)
4 317000008H1172 LINCOLN MEDICAL & MENTAL HEALTH CENTER 234 E 149 St 10451 3102 Hospital 362 Beds 36005 1005154.0 236853.0 40.816758 -73.924478 POINT (1005154.000 236853.000)

"위도" 및 "경도" 열을 사용하여 병원 위치를 시각화합니다.

m_2 = folium.Map(location=[40.7, -74], zoom_start=11) 

# Your code here: Visualize the hospital locations
for idx, row in hospitals.iterrows():
    Marker([row['latitude'], row['longitude']], popup=row['name']).add_to(m_2)

# Get credit for your work after you have created a map
q_2.check()
        
# Show the map
m_2

Thank you for creating a map!

Make this Notebook Trusted to load map: File -> Trust Notebook

3) 가장 가까운 병원은 언제 10킬로미터 이상 떨어져 있었나요?

가장 가까운 병원에서 10km 이상 떨어진 곳에서 발생한 충돌과 '충돌'의 모든 행을 포함하는 DataFrame 'outside_range'를 만듭니다.

병원과 충돌은 모두 EPSG 2263을 좌표계로 하고 EPSG 2263은 미터 단위를 가진다.

coverage = gpd.GeoDataFrame(geometry=hospitals.geometry).buffer(10000)
my_union = coverage.geometry.unary_union
outside_range = collisions.loc[~collisions["geometry"].apply(lambda x: my_union.contains(x))]


# Check your answer
q_3.check()

Correct

다음 코드 셀은 가장 가까운 병원에서 10km 이상 떨어진 곳에서 발생한 충돌 비율을 계산합니다.

percentage = round(100*len(outside_range)/len(collisions), 2)
print("Percentage of collisions more than 10 km away from the closest hospital: {}%".format(percentage))
Percentage of collisions more than 10 km away from the closest hospital: 15.12%

4) 추천자를 만들어라.

먼 곳에서 충돌이 일어날 때, 부상자들이 가장 가까운 병원으로 이송되는 것이 훨씬 더 중요해진다.

이 점을 고려하여 다음과 같은 권장 사항을 작성하기로 결정했습니다.

  • 충돌 위치(EPSG 2263)를 입력으로 사용합니다.
  • (EPSG 2263에서 거리 계산이 수행되는) 가장 가까운 병원을 찾는다.
  • 가장 가까운 병원의 이름을 반환합니다.
def best_hospital(collision_location):
    idx_min = hospitals.geometry.distance(collision_location).idxmin()
    my_hospital = hospitals.iloc[idx_min]
    name = my_hospital["name"]
    return name

# Test your function: this should suggest CALVARY HOSPITAL INC
print(best_hospital(outside_range.geometry.iloc[0]))

# Check your answer
q_4.check()
CALVARY HOSPITAL INC

Correct

5) 수요가 가장 많은 병원은 어디입니까?

outside_range 데이터 프레임의 충돌만 고려한다면 어느 병원을 가장 추천합니까?

답변은 4)에서 만든 함수에 의해 반환된 병원 이름과 정확히 일치하는 Python 문자열이어야 합니다.

highest_demand = outside_range.geometry.apply(best_hospital).value_counts().idxmax()

# Check your answer
q_5.check()

Correct

6) 시는 어디에 새 병원을 지어야 하는가?

가장 가까운 병원에서 10km 이상 떨어진 곳에서 발생한 충돌 외에도 다음 코드 셀(변경 사항 없이)을 실행하여 병원 위치를 시각화합니다.

m_6 = folium.Map(location=[40.7, -74], zoom_start=11) 

coverage = gpd.GeoDataFrame(geometry=hospitals.geometry).buffer(10000)
folium.GeoJson(coverage.geometry.to_crs(epsg=4326)).add_to(m_6)
HeatMap(data=outside_range[['LATITUDE', 'LONGITUDE']], radius=9).add_to(m_6)
folium.LatLngPopup().add_to(m_6)

m_6
Make this Notebook Trusted to load map: File -> Trust Notebook

지도의 아무 곳이나 클릭하면 해당 위치가 위도 및 경도로 표시된 팝업이 나타납니다.

뉴욕시는 두 개의 새로운 병원을 위한 장소를 결정하는 데 도움을 요청했습니다. 이들은 특히 *3) 단계에서 계산된 백분율을 10% 미만으로 낮추기 위해 위치를 식별하는 데 도움을 필요로 합니다. 지도를 사용하여 (병원을 짓기 위해 구역법이나 어떤 잠재적인 건물을 제거해야 하는지에 대한 걱정 없이) 도시가 이 목표를 달성하는 데 도움이 되는 두 개의 위치를 식별할 수 있습니까?

병원 1에 대해 제안된 위도와 경도를 각각 lat_1과 long_1에 넣는다. (병원 2에 대해서도 마찬가지로)

그런 다음, 새 병원의 효과를 보기 위해 나머지 세포를 그대로 가동합니다. 두 개의 새 병원이 10% 미만으로 비율을 낮추면 정답으로 표시됩니다.

lat_1 = 40.6714
long_1 = -73.8492

# Your answer here: proposed location of hospital 2
lat_2 = 40.6702
long_2 = -73.7612


# Do not modify the code below this line
try:
    new_df = pd.DataFrame(
        {'Latitude': [lat_1, lat_2],
         'Longitude': [long_1, long_2]})
    new_gdf = gpd.GeoDataFrame(new_df, geometry=gpd.points_from_xy(new_df.Longitude, new_df.Latitude))
    new_gdf.crs = {'init' :'epsg:4326'}
    new_gdf = new_gdf.to_crs(epsg=2263)
    # get new percentage
    new_coverage = gpd.GeoDataFrame(geometry=new_gdf.geometry).buffer(10000)
    new_my_union = new_coverage.geometry.unary_union
    new_outside_range = outside_range.loc[~outside_range["geometry"].apply(lambda x: new_my_union.contains(x))]
    new_percentage = round(100*len(new_outside_range)/len(collisions), 2)
    print("(NEW) Percentage of collisions more than 10 km away from the closest hospital: {}%".format(new_percentage))
    # Did you help the city to meet its goal?
    q_6.check()
    # make the map
    m = folium.Map(location=[40.7, -74], zoom_start=11) 
    folium.GeoJson(coverage.geometry.to_crs(epsg=4326)).add_to(m)
    folium.GeoJson(new_coverage.geometry.to_crs(epsg=4326)).add_to(m)
    for idx, row in new_gdf.iterrows():
        Marker([row['Latitude'], row['Longitude']]).add_to(m)
    HeatMap(data=new_outside_range[['LATITUDE', 'LONGITUDE']], radius=9).add_to(m)
    folium.LatLngPopup().add_to(m)
    display(m)
except:
    q_6.hint()
c:\Users\User\anaconda3\lib\site-packages\pyproj\crs\crs.py:130: FutureWarning: '+init=<authority>:<code>' syntax is deprecated. '<authority>:<code>' is the preferred initialization method. When making the change, be mindful of axis order changes: https://pyproj4.github.io/pyproj/stable/gotchas.html#axis-order-changes-in-proj-6
  in_crs_string = _prepare_from_proj_string(in_crs_string)
(NEW) Percentage of collisions more than 10 km away from the closest hospital: 9.12%

Correct

Make this Notebook Trusted to load map: File -> Trust Notebook

Congratulations!

You have just completed the Geospatial Analysis micro-course! Great job!